GLM 4.6V

GLM-4.6V是一个大型多模态模型，专为高保真视觉理解和跨图像、文档及混合媒体的长上下文推理而设计。它支持高达128K tokens，可直接将复杂的页面布局和图表作为视觉输入进行处理，并集成了原生多模态函数调用功能，将感知与下游工具执行连接起来。该模型还支持交错图像-文本生成和UI重建工作流，包括截图到HTML的合成以及迭代式视觉编辑。